Linear Regression Analysis with Missing Observations among the Independent Variables
自变量存在缺失观测时的线性回归分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要关注一般线性回归的自变量缺失问题，没有所列因果、面板或结构估计方向的明确证据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
自变量存在缺失观测时的线性回归分析
- 研究问题
- 当部分个体的自变量以不同数量和模式缺失时，如何估计线性回归系数，其效率又受到哪些因素影响？
- 方法与思路
- 作者提出一种直观的回归系数估计方法，用于部分自变量未观测的情形，并分析自变量相关性与缺失比例对效率的影响。
- 材料陈述的贡献
- 摘要称该方法的效率取决于自变量之间的相关程度以及缺失观测比例，但没有交代这些因素影响效率的方向和幅度。
- 阅读关注点
- 应核对具体估计步骤、允许的缺失模式和缺失机制，并查明效率比较的基准及相关性、缺失比例所起的作用。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能判断刊本变化；摘要未说明缺失机制、估计偏差或一致性，不能据此判断有效性。
原文摘要
An intuitive estimate is presented for estimating linear regression coefficients when an unspecified number and pattern of the independent variables for some individuals are not observed. It is shown that the efficiency of this approach depends upon the correlation among the independent variables as well as the proportion of observations which is missing.